opencv c++通过傅里叶变换去除正弦噪声
时间: 2023-09-11 15:06:30 浏览: 80
Opencv实现傅里叶变换
要通过傅里叶变换去除正弦噪声,可以按照以下步骤进行:
1. 首先,使用OpenCV中的dft函数对输入图像进行离散傅里叶变换,得到频域表示。
2. 在频域中找到正弦噪声的频率和幅度,可以通过观察频谱图或使用傅里叶变换的性质进行计算。
3. 将正弦噪声的频率对应的频率分量置为零,即将其对应的复数值设为0。
4. 使用idft函数对修改后的频域表示进行反变换,得到去除正弦噪声后的图像。
以下是一个示例代码,演示了如何通过傅里叶变换去除正弦噪声:
```
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
// 读取图像
Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);
// 添加正弦噪声
float freq = 10; // 正弦波频率
float amplitude = 50; // 正弦波幅度
Mat noise(img.size(), CV_32F);
randn(noise, 0, amplitude);
for (int i = 0; i < img.rows; i++) {
for (int j = 0; j < img.cols; j++) {
noise.at<float>(i, j) = sin(freq * i + freq * j) * noise.at<float>(i, j);
}
}
Mat noisy_img;
img.convertTo(noisy_img, CV_32F);
noisy_img += noise;
noisy_img.convertTo(noisy_img, CV_8U);
// 显示原始图像和添加噪声后的图像
imshow("Original", img);
imshow("Noisy", noisy_img);
// 进行离散傅里叶变换
Mat complex_img;
Mat planes[] = { Mat_<float>(noisy_img), Mat::zeros(noisy_img.size(), CV_32F) };
merge(planes, 2, complex_img);
dft(complex_img, complex_img);
// 计算正弦噪声的频率分量
float max_val = 0;
Point max_loc;
Mat mag_img;
magnitude(planes[0], planes[1], mag_img);
minMaxLoc(mag_img, NULL, &max_val, NULL, &max_loc);
cout << "Frequency of the sinusoidal noise: " << max_loc.x << ", " << max_loc.y << endl;
// 将正弦噪声的频率分量置为零
complex_img.at<Vec2f>(max_loc.y, max_loc.x) = Vec2f(0, 0);
// 进行反变换
Mat filtered_complex_img;
idft(complex_img, filtered_complex_img, DFT_SCALE | DFT_REAL_OUTPUT);
// 显示去除噪声后的图像
Mat filtered_img;
filtered_complex_img.convertTo(filtered_img, CV_8U);
imshow("Filtered", filtered_img);
waitKey(0);
return 0;
}
```
阅读全文